铁路客运指标与城市特征相关性分析

摘要 文章以基于12306提取的2018年铁路站间客流量数据为基础，结合城市经济人口等特征，利用SPSS软件分析了对铁路旅客发送量、人均铁路出行次数产生显著影响的城市特征指标，同时利用多元线性回归拟合确定了城市特征指标与铁路客运指标间的函数关系，并取得了较好的拟合效果。通过分析不同城市铁路平均出行距离及出行距离分布情况，发现城际交通出行对铁路系统的依赖性在提升，都市圈范围内的出行需求在逐渐增加，对这部分需求的考虑将是未来城际及市域网络布局思考的要点。

关键词 铁路旅客发送量;人均铁路出行次数;铁路平均出行距离;皮尔逊相关系数

中图分类号 U212.1 文献标识码 A 文章编号 2096-8949（2022）06-0026-03

引言

该文通过分析江苏省已有及在建铁路现状、各市铁路旅客发送量、人均铁路出行次数、铁路平均出行距离等特征，总结不同城市客运特征及特点，进一步分析了对铁路旅客发送量存在显著影响的城市特征指标。同时建立了城市特征指标与铁路客运指标间的函数关系，并取得了较好的拟合效果。通过分析不同城市铁路平均出行距离及出行距离分布情况，发现城际交通出行对铁路系统的依赖性在提升，都市圈范围内的出行需求在逐渐增加，对这部分需求的考虑将是未来城际及市域网络布局思考的要点。

1 江苏省铁路发展概况

1.1 建成运营铁路现状

至“十三五”末，江苏全省铁路总里程达到4 204 km，其中高速铁路达到2 215 km，较“十二五”末期（859 km）增加1 356 km。江苏省铁路复线里程达到3 161 km、电气化里程达到3 270 km，复线率、电气化率分别达到75.2%、77.8%。基本实现《江苏省“十三五”铁路发展规划》所提出的“三纵四横”高快速铁路网全面形成，铁路总里程达到4 000 km以上的规划目标[1-2]。

1.2 在建铁路现状

截至2020年末，江苏省在建铁路里程达476.4 km（包括南沿江铁路、宁淮铁路、沪苏湖铁路、沪通铁路二期），均为技术标准200 km/h及以上的高快速铁路，主要位于苏南地区，涵盖了南京、镇江、常州、无锡、苏州、南通等多个设区市及部分下辖县市，将着力优化完善苏南地区多层次铁路网，加快推进国家高铁主通道建设[3]。

2 江苏省铁路客运特征分析

2.1 铁路旅客发送量

2.1.1 不同城市铁路旅客发送量

根据基于12306提取的2018年铁路站间客流量数据分析可得江苏省各市铁路旅客发送量，同时查询各城市旅客列车对数及经济人口等城市特征指标如表1所示。

由表1可知，江苏省2018年铁路旅客发送量合计2.13亿人次，其中南京市旅客发送量6 989万人次，占比32.8%。可见南京作为省会城市在江苏省的交通枢纽地位。苏州、徐州、无锡三市铁路旅客发送量占全省比例分别为22.2%、12.6%、11.1%，南京、苏州、徐州、无锡四市合计铁路旅客发送量占全省比例为78.8%[4]。不同城市铁路旅客发送量存在较大差异，因此该文重点从城市经济、人口、面积及旅客列车开行对数等角度分析影响铁路旅客发送量的相关因素。

2.1.2 影响因素分析

对各市旅客发送量与城市经济人口等指标进行相关性分析，通过Pearson（皮尔逊）相关系数描述铁路旅客发送量与城市指标的相关程度[5-6]。皮尔逊相关系数计算方法如公式（1）、（2）所示。

式中：ρ——变量总体的相关系数;

r——样本的相关系数;

X——城市经济、人口、面积、旅客列车对数等指标;

Y——铁路旅客发送量。

因南京市铁路旅客发送量中包含较多中转客流，因此在进行铁路旅客发送量与城市特征相关性分析时，将省会城市南京进行剔除，利用SPSS软件进行相关性分析得到的结果如表2所示，通过表中数据可以看出：在α=0.01（双侧）水平下，各城市铁路旅客发送量与旅客列车对数、城市GDP、人口三项指标显著相关，且与三项因素都呈现正向相关。由此可见，铁路旅客发送量受到城市经济水平及铁路供给水平的显著影响。

2.1.3 函數拟合

根据相关性分析结果，选取对铁路旅客发送量显著影响的三个变量：旅客列车对数、GDP、人口，利用SPSS软件进行多元线性回归拟合，得到上述三个变量与铁路旅客发送量间的函数关系，根据拟合结果可以看出，调整后R方为0.923，说明函数拟合结果较好[7-8]。但拟合结果存在：

（1）Durbin-Watson值为1.608，小于2，说明变量存在一定的自相关性。

（2）自变量GDP的显著性差异sig值为0.128>0.05，表示差异性不显著。

（3）变量GDP的方差膨胀系数为4.054，说明自变量GDP存在一定的多重共线性。

由此可见因在拟合函数中加入变量GDP导致拟合结果不够理想。

因此删除变量GDP后，重新对铁路旅客发送量与旅客列车对数、城市人口进行多元线性回归分析得到，调整后R方为0.906，说明同样具有较好的拟合效果。且：

（1）Durbin-Watson值为2.082，接近于2，说明变量间相互独立。

（2）两个自变量的显著性差异sig值均小于0.05且小于0.02，说明变量间的差异极其显著。

（3）两个自变量的方差膨胀系数均为1.125，说明变量间不存在多重共线性。

因此用旅客列车对数与人口对铁路旅客发送量进行多元线性拟合是合理的，函数拟合结果如公式（3）所示：

式中：Y1——铁路旅客发送量（万人次/年）;

X1——旅客列车对数（对/日）;

X2——城市人口（万人）。

2.2 平均出行次数

根据铁路旅客发送量与人口计算人均铁路出行次数，经数据调查得知人均出行次数较高的城市为苏州、徐州、无锡、常州、镇江五市。利用SPSS分析影响人均铁路出行次数相关因素。

分析结果如表3所示，可见旅客列车对数在0.01的水平（双侧）上与人均铁路出行次数呈现正显著相关，城市GDP在0.05水平（双侧）上与人均铁路出行次数呈现正显著相关，与影响旅客发送量因素不同的是，城市人口不会显著影响人均铁路出行次数。由此可见，随着经济发展水平与铁路供给服务的进一步提升，人均铁路出行次数会进一步增加。

对人均铁路出行次数与旅客列车对数、城市GDP进行多元线性回归分析得到，调整后R方为0.984，可见拟合效果较好。且：

（1）Durbin-Watson值为2.138，接近于2，说明变量间相互独立。

（2）自变量旅客列车对数显著性差异sig值小于0.05，自变量城市GDP显著性差异sig值为0.076，略高于0.05，说明变量间具备显著性差异。

（3）两个自变量的方差膨胀系数均为1.571，说明变量间不存在多重共线性。

因此用旅客列车对数、城市GDP对人均铁路出行次数进行多元线性拟合是合理的。

函数拟合结果如公式（4）所示：

式中：Y2——人均铁路出行次数（人次/年）;X1——旅客列车对数（对/日）;X3——该市GDP（亿元）。

2.3 平均出行距离

根据2018年铁路站间客流量数据及各城市的经纬度信息计算各城市平均出行距离（直线距离），如图1所示，将各城市出行距离进行排序，依次得到20%、40%、60%、80%、90%的出行量覆盖的出行范围。从平均出行距离来看，平均出行距离不足300 km的城市為常州和镇江，平均出行距离大于500 km的城市为徐州、泰州，江苏省大部分城市的铁路平均出行距离集中在300～200 km。从出行量覆盖出行范围来看，苏州、无锡、常州、镇江、扬州等市60%的出行在200 km的范围内，可见短距离出行已占到较高的比例，这反映出区域经济强联系下，城际交通出行对铁路系统的依赖性在提升，都市圈范围内的出行在逐渐增加。对比国外城市发展阶段和随着国内城市群的发展，可以预见未来城市群、都市圈的出行特征将从“低频次、长距离、低时间价值”转向“高频次、中短距、高时间价值”，都市圈内以通勤、商务为代表的高时间价值出行规模将会增加，对这部分需求的考虑将是未来城际及市域网络布局思考的要点。

根据相关性分析结果，并未发现铁路平均出行距离与铁路旅客发送量、旅客列车对数、城市GDP、人口、城市面积、人均出行次数等因素存在显著相关性。

3 总结

该文对江苏省已有及在建铁路现状、各市铁路旅客发送量、人均铁路出行次数、铁路平均出行距离等指标进行了介绍，同时进一步分析了对铁路旅客发送量存在显著影响的因素为旅客列车对数、城市GDP、城市人口，利用旅客列车对数、城市人口对铁路旅客发送量进行多元线性回归拟合后，拟合结果的调整后R方为0.906，拟合效果较好。利用旅客列车对数、城市GDP对人均铁路出行次数进行多元线性回归拟合后，拟合结果的调整后R方为0.984，同样得到了较好的拟合效果。最后对各城市不同出行量覆盖的出行范围进行分析，得出目前铁路短距离出行已占到较高的比例，这反映出区域经济强联系下，城际交通出行对铁路系统的依赖性在提升，都市圈范围内的出行需求在逐渐增加。

参考文献

[1]郑毛祥，李鹏.江苏省中长期铁路网规划研究[J].铁道标准设计，2017（6）：71-75.

[2]殷勇，刘庆.江苏省城际铁路运营管理模式选择及其SWOT分析[J].交通运输工程与信息学报，2017（1）：16-21+55.

[3]于建勇.新建常州至泰州城际铁路必要性研究[J].交通工程，2020（2）：62-66+74.

[4]曹志成，刘伊生，董继伟.基于三次指数平滑法的铁路旅客发送量预测研究[J].铁道运输与经济，2018（11）：49-53+115.

[5]宋迪，姜绍武，毛力增，等.北京市省际客运运量影响因素分析研究[J].交通工程，2019（A1）：16-20.

[6]王煜，王洪业，吕晓艳，等.高速铁路车站间客流变化一致性研究[J].铁道运输与经济，2019（3）：43-47.

[7]邓连波，刘康妮，刘国欢，等.京沪、京广高速铁路客流与列车频率关联性分析[J].铁道运输与经济，2016（8）：19-25.

[8]南敬林.铁路客运量预测影响因素分析[J].综合运输，2016（2）：35-40.

收稿日期：2022-01-13

作者简介：陈晓光（1994—），男，硕士研究生，助理工程师，研究方向：交通规划与运量预测。

基金项目：中铁第四勘察设计院集团有限公司科技开发计划项目“综合交通大数据分析决策平台开发（I期）”（2020D022）。